他究竟说了什么，竟因为一场访谈，被马斯克立即开除|spacex|人工智能初创公司|埃隆_马斯克|特斯拉|知名企业|阿苏|黄仁勋

马斯克旗下xAI一名工程师，名叫Sulaiman Ghori(下面就叫他阿苏吧)，这两天把xAI再次拱上舆论风口：1月18日，在接受一家播客访谈时，他口无遮拦，透露了xAI内部运作许多细节以及和特斯拉合作的一些核心战略。结果节目播出后第二天，马斯克立马跳起来把人开了。

阿苏是一名湾区的机器学习工程师，在加入xAI之前，他成立了一家AI初创公司。后来，xAI的联合创始人Greg Yang联系了阿苏，并把他招进了xAI。入职后，阿苏参与了很多不同项目，包括Grok的X平台集成工作、图像及视频生成器Gork Imagine、AI软件业务、MacronHard、人类模拟器等等。

也因为此，他接触和掌握了大量xAI内部的核心信息。不过也许是天性使然，他并未能识别出真实世界和内部表达之间的界限，在访谈中毫无保留地坦诚了所有信息。

那么阿苏在访谈中究竟说了些什么呢？以下是播客以及文字实录，访谈时长1小时10分，文字整理有部分删减，其中小标题为编者所加，全文9000字左右，阅读大约需要20分钟。如果现在没有完整时间，可以加个星标、或者用收听模式阅读。

以下，enjoy：

0:41 xAI全力冲刺AGI
1:46 马斯克预判瓶颈
3:05 马斯克的时间线哲学
9:23 利用特斯拉百万车算力
11:59 虚拟Optimus机器人，取代数字任务
13:14 马斯克如何解决极端问题
20:33 马斯克Cybertruck赌注
21:12 如何在122天内建成Colossus
25:51 xAI招聘强度极高，短期内海量面试
34:55 马斯克不断调整他对项目时间线的预估
40:36 在xAI工作最爽的体验
48:25 以为虚拟机器人是员工
50:00 虚拟机器人最大的失误
53:23 与马斯克开会的感觉
54:22 马斯克虽强势，但愿意被实验证明自己错了
59:21 当马斯克在X上看到错误的Grok输出时会发生什么

一切都应该是“昨天就完成”

要么慢慢等死，要么自己把一切都建出来

机架当天搭好，当天就开始训练

主持人（Ti Morse）：很高兴邀请到 xAI 的工程师 Sulaiman Ghori。我从2023年，也就是马斯克刚启动 xAI 的时候，就一直在关注这家公司。我觉得它可能是史上增长最快的公司之一。你能不能聊聊，现在 xAI 到底发生了什么？

阿苏：是的，我们基本上没有真正意义上的截止日期，一切都应该是“昨天就完成”。至少在公司内部，没有任何人为制造的阻碍。马斯克一直强调“追根溯源”，找到最底层、最根本的限制是什么，如果是物理层面的限制，那我们会尽可能快地直面它、解决它。

这在软件领域其实挺反常的，因为软件工程师通常不会去思考“物理极限”这种事，但在 xAI，我们确实会这样做。而且严格来说，我们现在已经不完全是一家纯软件公司了。说实话，我们最大的优势可能就在硬件上。因为在部署规模这件事上，几乎没有任何其他公司能接近我们。

主持人： 马斯克非常擅长提前预判瓶颈，甚至能提前几个月、几年看到未来的问题，然后倒推现在应该怎么布局。那在 xAI，普通工程师是怎么在日常工作中采用这种思维方式的？

阿苏：通常当我们启动一个新项目时，要么是团队里的人，要么是马斯克本人，会很快提出一个非常核心的指标，这个指标通常直接关联到财务回报、物理回报，或者两者兼而有之。之后，几乎所有事情都会围绕这个指标展开。

我们不接受“人为限制”，如果真的有极限，那它必须是一个足够底层、足够真实的物理或理论限制，而不是因为流程、习惯或惯性导致的。尤其是在软件领域，过去十多年 Web 开发的环境让很多人默认接受了一些“速度和延迟就是这样”的结论，但这些结论很多时候并不成立。如果你把这些东西拆掉，很多系统都可以轻松提速 2 到 8 倍。

主持人： 你最近一次亲身经历“传统认知被打破”是什么时候？

阿苏：最近的一次是在我们做“巨硬”模型（macrohard）的时候。得益于我们非常强的超级计算团队，他们基本上拆除了传统训练流程里的大多数障碍。我们基本能做到：一个机架当天搭好，当天就开始训练，有时甚至几小时内就能跑起来。

主持人： 这听起来完全不正常，通常这些事情要花好几天甚至几周。

阿苏：是的。过去十年，大家习惯把这些事情外包给 AWS 或 Google，你能用多少资源，完全取决于他们给你多少。但在 AI 时代，这是不可接受的。所以只有两个选择：要么慢慢等死，要么自己把一切都建出来。

直接利用特斯拉车队部署计算机

同时推进二三十个方向的实验

马斯克最擅长的就是快速“拆弹”

“我还能怎么帮你们把这件事做得更快？”

主持人： 你能讲讲你加入xAI，以及最初几周是什么样的吗？

阿苏：我当时在做自己的创业项目，搬到湾区后，Greg Yang（xAI 的核心成员之一）联系了我。他的招聘能力真的很强。一开始我还以为那是垃圾邮件，差点就删掉了，但我看到域名是 xAI，才意识到不对劲。

后来我再次联系 Greg，他直接说“明天来面试吧”。面完之后，下周一我就入职了。入职第一天，没人告诉我该干嘛，只给了我一台电脑和一张工牌。我甚至没有被分配座位，只能坐在当天没来人的桌子上。

后来我主动去找 Greg，才开始参与Grok的 X 平台集成工作。很快我发现一个很震撼的事情：我从座位上站起来，指一圈办公室，就能指出每一个系统是谁亲手写的。这种感觉非常酷。当时工程团队只有一百多人，比其他大模型实验室小一个数量级，但我们已经做出了Grok3。

主持人： xAI用122天建成 Colossus 数据中心，这在业内几乎是神话。黄仁勋也一直在公开称赞你们。这种基础设施能力，对公司文化产生了什么影响？

阿苏：它让模型和产品团队可以默认：我们需要的资源一定会到位。我们确实不算“资源匮乏”，甚至已经在同时推进二三十个方向的实验。

实际上，Grok 4、Grok 5 的规模和设计，在我入职前就已经规划好了。这种确定性让我们能更长期地思考。比如我们原本认为系统的最低延迟下限要高得多，结果发现真实物理条件允许我们做到快三倍。我们现在在做的一些新架构，如果没有极高的实验频率，根本无法推进，因为它们不建立在任何已有研究之上，需要新的预训练方式和新数据集。

这时基础设施就成了关键。比如一个问题是：如果我们要部署 100 万个“人类模拟器”，那意味着100万台计算机，这怎么可能？答案很快就出现了：Tesla 车载计算机。这些设备在资本效率上远超云计算或传统服务器。我们甚至可以直接在车上运行完整的“人类数字工作站”，成本极低。

主持人： 也就是说，可以直接利用现有的特斯拉车队？

阿苏：是的。北美有几百万辆特斯拉，大部分时间它们是闲置、充电、联网的。我们可以付费给车主，在不影响使用的情况下运行人类模拟器。这几乎不需要额外基建，只是一个软件问题。

Ti Morse：马斯克最擅长的似乎就是快速“拆弹”。你有没有亲眼见过某个重大问题，被他非常迅速地解决？

阿苏：最明显的是基础设施建设。尤其是在新硬件上线时，驱动、编译器、算子经常会出问题。有几次他在会议中听到这些障碍，直接打一个电话，第二天 Nvidia 的软件补丁就到位了，我们并肩把问题解决，然后立刻开始训练模型。

原本需要几周的沟通，被压缩成一天。很多时候，会议快结束时，他会直接问一句：“我还能怎么帮你们把这件事做得更快？”

主持人： 我知道你们在并行推进很多不同的产品，这在某种程度上也是不得不这么做。但在大多数组织里，同时在多个方向推进，其实很难始终保持对单一目标的专注。你们是如何做到的？

阿苏：关键在于规模扩大之后的信息流动方式。我们并不是随时对所有项目都有完整视图，通常是在全员会议，或者和不同人私下聊天时，才逐渐拼凑出大家各自在做什么、进度如何。

在这里，当你提出一个想法，反馈通常只有两种：要么是“这想法很蠢”，要么是“那为什么这还没做完？”如果是后者，那你就直接去做，做完就结束了。几乎不需要同步、不需要审批，也不需要等任何人。

主持人： 在马斯克的公司里，好像你可以直接“要责任”，然后就进入一种“成王败寇”的状态。事情做成了，你就能继续要更多责任；做不成，就出局。你的体验是这样吗？

阿苏：完全是这样。我参与过很多不同的项目，大多数时候只是因为有人找我帮忙，我就一直帮下去，最后发现自己莫名其妙就“拥有”了那一整块技术栈，甚至好几块。对所有人来说都是如此。如果你在几天内快速迭代并解决了某个问题，那这块基本就归你了。没有任何正式流程。

说实话，我们的 HR 系统早就失真了。官方记录里我可能还在做语音和 iOS，安全系统甚至认为我还在负责 X 的集成，但这些都没人更新，也没人关心。

小到可怜的团队规模

却有着惊人的创造力和能量

工程师和马斯克打赌

24小时内在新GPU上跑起来

就能拿到一辆Cybertruck

主持人： 那你从入职到现在，大概都做过哪些项目？

阿苏：一开始我做的是 Grok 和相关集成，也和后端团队一起解决稳定性和扩展问题，因为当时增长非常快。后来我基本是一个人把桌面端产品体系搭建到内部可用状态。再之后，我被拉去支援 Imagine 的发布和 iOS。
说实话，xAI 的 iOS 团队小得离谱，你根本猜不到有多少人。

主持人： 五个人？三个人？

阿苏：三个人。当时我就是第三个。相对于用户规模来说，这简直不可思议，但每个人都非常强。这也是我第一次感觉到，必须拼命工作才能跟上团队整体的速度和水平。

主持人： 什么时候你第一次意识到，自己真的被“用到了极限”？

阿苏：是在 Imagine 项目上。那是一种 24 小时一轮的迭代节奏。我们每天晚上发布版本，第二天早上拿到全部反馈，然后立刻修 bug、加新功能、适配最新模型输出。循环极快。那可能是我人生中连续在办公室待得最长的一段时间。

主持人： 那段时间持续了多久？

阿苏：大概两三个月。那段时间基本没有周末。但我并不讨厌，反而很高兴知道自己能承受这种强度。之后我被调去做 MacroHard 产品，当时整个项目只有两个人。我从立项开始就一直在做这个项目。

主持人： Colossus 数据中心的建设过程本身就像战争故事合集。电力、芯片、GPU、冷却，全是瓶颈。你在其中的感受是什么？

阿苏：真的有太多战争故事了。有一次，Tyler (Tyer Storm，xAI工程师）跟马斯克打了个赌，说如果能在 24 小时内让新 GPU 完成训练运行，就能拿到一辆 Cybertruck。结果当晚我们就跑起来了。那辆车现在我在食堂窗户外还能看到。

主持人： 还有没有那种“本不该成功，但却成功了”的故事？

阿苏：比如说，Colossus 用地的租约本质上是临时的。这是为了最快拿到许可、尽快开工。我相信之后会转为正式许可，但当下是“技术上临时”。

主持人：这听起来像是利用制度漏洞？

阿苏：本地和州政府有一种特殊条款，允许“临时地面设施”，原本是给嘉年华之类用的。所以是的，我们算是“嘉年华公司”。但122天就建完了。

如何做规划：

从“最高杠杆点”进行倒推

先删掉不必要的东西

等发现真的需要，再加回来

找到那些“10行解法”，敢于挑战需求的人

主持人： 你们如何在极不确定的情况下做 12 到 24 个月的规划？

阿苏：我们总是从“最高杠杆点”倒推。比如，如果目标是在某个时间点实现 1000 万或 1 亿美元收入，那从经济角度看，最值得做的事情是什么？先确定系统和产品形态，再推导需要什么软件、什么物理资源。物理条件反而通常是最后才确定的。

主持人： 那是不是也在用 SpaceX 那套“先删再加”的方法？

阿苏：是的，经常这样。先删掉不必要的东西，等发现真的需要，再加回来。

主持人： 最近一次是什么时候？

阿苏：就是今天。MacroHard 需要在各种不同硬件上部署，显示器从 30 年前的老设备到最新的 5K 显示器都要支持。我把多个视频编码器的特殊分支逻辑删掉了，结果发现某些编码器在 5K 分辨率下有像素上限，只好把那一层特殊处理再加回来。

主持人： 你觉得关于 xAI，还有哪些事情值得被更多人知道？

阿苏：这里有很多“怪人”，但都是正向的怪人。在这里，杠杆效应非常强。你能用比过去少得多的时间和精力，做成大得多的事，这和你共事的人、内部工具、以及管理方式高度相关。

主持人： 那什么样的人会想来这里工作？

阿苏：大多数人一开始都非常有热情，而且高度使命驱动。有的人追求管理影响力，有的人更想“拥有”技术栈的一大块。比如现在，我们在重写核心生产 API，几乎是一个人带着 28个agent 在干，而且干得很好。你完全可以一个人负责极大一部分代码。

主持人： xAI 在招聘上还有哪些不寻常的做法？

阿苏：我曾经连续两三周，每周面 20 多个人。我有一道自己曾经解决过的计算机视觉问题，会让候选人在半小时内尝试实现。问题本身非常简单，但很多人会过度设计。

我特别看重能不能找到“10行解法”。因为我们要跑在跨度 30 到 40 年的硬件和系统上，如果不追求极简，下周代码就会膨胀到千万行。AI 很容易写出 200 行代码，但真正重要的是，谁能先想到那 10 行。

主持人： 你刚才提到“杠杆效应”，那你个人在招人或合作时，还会特别看重哪些“放大器”？

阿苏：我非常看重那些敢于挑战需求、敢于挑战我的人。我是从 Chester Z Ford 那里学到这一点的，我觉得这个方法特别好。他在招聘时，经常会在题目里故意加入一个错误的需求、不可能完成的条件，或者逻辑上不成立的设定。他期待候选人能站出来说：“这个是错的，这个不可能实现，你这里有问题。”如果对方什么都不说，直接照着做，那他基本就不会招这个人。我后来也完全照着这个方式来用，效果非常好。

越是聪明的人其实越乐于合作

抱怨完“完全不合理”的交付时间

转念就想怎么在期限内把事情做完

永远可以尝试用一个月去做一件

原本要一年才能完成的事

主持人： 节奏这么快，而你又不断在不同项目之间切换，你通常是怎么在一个新任务或新项目上快速“上手”的？

阿苏：这要看具体情况。如果是代码量比较大的项目，那就老老实实地读代码，用最原始的方法，一路 go to definition，反复跳转。其实这样理解得非常快。当然，如果是一个正在高速演进中的项目，那就不一样了，可能同时存在二三十个版本，你甚至分不清哪个才是“当前主线”。

这种时候就只能去找人聊。好在大家都非常开放，这是我入职后最惊喜的一点。我原本以为这里的人会非常聪明、但也可能很傲慢，结果恰恰相反：大家都很聪明，而且非常友好、乐于帮忙，真的有一种“在同一条船上”的感觉。

因为节奏太快，我们基本不写文档，根本来不及写。现在我们甚至在尝试，用系统自动生成文档。另一方面，我们有 Grok，而且可以无限制使用，这本身就是一种巨大优势。我们可以去尝试很多“看起来很蠢”的想法，看它到底行不行。在别的创业公司，这样的实验可能要烧掉几十万甚至上百万美元的算力成本，而我们几乎是零成本。这意味着我们可以失败很多次，而失败次数越多，成功的实验反而越多。

主持人： 你有没有经历过那种，原本觉得一个项目周期应该很长，但最后却被你们硬生生压缩了几周甚至几个月的情况？

阿苏：基本上每一次都是这样。每次从内部会议或者和外部人沟通完，听到一个看起来“完全不合理”的交付时间，我们通常会先花几分钟抱怨一下，然后剩下的时间就全部用来想：怎么在这个时间内把事情做完。

你会发现，所谓的“时间预估”，其实是建立在一堆假设之上的。当时间被砍到原来的二分之一、甚至十分之一时，你就会重新审视这些假设：哪些是真正必要的？哪些可以删掉？每推翻一个假设，时间线就会直接缩短一截。这样反复几次，往往就能满足看起来“不可能”的要求。

主持人： 在 SpaceX 和特斯拉上，马斯克的时间预期往往比现实短很多，但正因为这个激进预期，事情最终反而做得更快。在 xAI 这边是不是类似？而且你们现在看起来甚至更接近他给出的时间线。

阿苏：我觉得他本人也在不断校准自己的时间判断。毕竟现在已经多次在极大规模上部署过硬件，所以对周期的把握比过去准很多。而且他的时间线更新得非常快，有时候几乎是按天更新的。比如某个硬件订单如果能插进生产批次，就可能一下子省掉一两个月。

在软件侧也是同样的逻辑。他一直说的一点是：你永远可以尝试用一个月去做一件原本要一年才能完成的事。你也许做不完，但可能两个月就搞定了，那依然快得多。

马斯克已经不招AI研究员了

只招工程师

xAI内部只有三个层级

几乎所有管理层都会写代码

一些看起来“不该出现在这里”的人

最后却做成了非常大的事情

主持人： 我记得马斯克曾说过，现在已经没有“AI 研究员”这种角色了，只有工程师。

阿苏：是的，有一次我们在讨论招聘描述时，他花了十几分钟反复强调：工程师，工程师，只要是优秀的问题解决者就行，不管背景是做模型、做基础设施还是别的。

主持人： 为什么这个定义这么重要？

阿苏：因为它足够宽。这样一来，来自非常不同背景的人都能进入这个系统。SpaceX 早期也有很多类似的例子，一些看起来“不该出现在这里”的人，最后却做成了非常大的事情。

主持人： 对你个人来说，每天在这里工作，最有趣的是什么？

阿苏：没人跟我说“不”。如果我有一个好想法，通常当天就能实现、展示，然后跑评测、给客户看、或者直接给马斯克看。当天就能知道这是不是正确方向。没有冗长讨论，没有官僚流程，这一点我非常喜欢。

我原本以为，从极小的创业公司跳到一家 100 人规模的公司，必然会牺牲一些自由度。但相对于马斯克的其他公司，这里依然非常小，也确实非常扁平，几乎没有额外负担。

主持人： 有没有哪些你入职前的假设，被彻底打破了？

阿苏：我原以为会是非常自上而下的管理，但实际上比我想象中更自下而上。整个公司基本只有三层：工程师、创始人和少数管理者、然后就是马斯克。

管理层级极少，而且几乎所有管理者都会写代码。即便现在有些人要管上百人，但本质上他们依然是工程师。我记得入职第一周吃晚饭时，坐在我旁边的人说他在做销售，我心想“算了，不聊了”。结果他开始给我讲他正在训练的模型。后来我才发现，销售团队全是工程师。当时公司里，非工程师的人可能不到 8 个。每个人都在为这台机器贡献力量。

主持人： 是不是因为层级少，工程师可以更直接理解客户问题，然后迅速落地？

阿苏：是的。层级越多，信息损失越严重。语言本身就是有损的。如果你从客户到销售，再到经理，再到工程师，每一层都是一次“压缩”，最后拿到的信息已经严重失真。而如果工程师直接面对客户，就只压缩一次，解决方案自然会好得多。

主持人： 你觉得团队人数这么少，反而是一件好事吗？

阿苏：是的，绝对是。我一直认为，一件本来一个人就能完成的工作，如果交给两个人来做，往往反而会花两倍的时间，这个规律在任何规模下都成立。尤其是在现在这个阶段，你已经不需要像过去那样亲自写那么多代码了，你更多是在做决策、做架构设计。某种意义上，每个人都可以是架构师，并不需要那么多“手”，一个人的大脑能完成的事情比以前多得多。

马斯克如何开会：

要么是非常高层的反馈

要么是非常底层的细节

常会出现那种“冲锋式”的时刻

比如马斯克半夜突然进公司

醒着的人直接拉来开始处理

主持人： 你参与过的马斯克会议一般是什么样的？

阿苏：其实都挺简单的，而且我运气不错，大多数都进行得比较顺利。所谓“顺利”，通常意味着反馈很少，或者只是点个头，表示方向是对的，下周再更新。如果出现了明确的反馈，甚至要求彻底改变方向，那通常说明我们在某个地方出了问题。反而从上往下的节奏，有时候确实会显得有点混乱。

主持人： 在 SpaceX 那样的环境里，成本和零件细节极其重要。但在这里，马斯克给反馈的方式是不是不太一样？

阿苏：通常要么是非常高层的反馈，要么是非常底层的细节，中间层反而不多。高层反馈可能是产品方向、用户定位，比如只聚焦某一个细分市场，或者干脆不要做某件事。而在底层层面，尤其是涉及算力效率或延迟时，他几乎总会给出一个非常具体的建议，比如“试试这个”。他也非常愿意被证明是错的，但前提是要有实验结果，而不是观点之争。只要实验结果足够有说服力，我们就会采纳。

主持人： 能举些具体的例子吗？

阿苏：比如在算力效率上选择小模型，带来了很多我们原本没想到的改进。有些是直接的，有些是间接的。最明显的好处当然是速度大幅提升，但更重要的是，小模型让迭代速度变得极快。特斯拉在自动驾驶上也发现了这一点。以前可能四周才能发布一个版本，现在一周就可以。这也是为什么我们可以同时跑二十多个实验，很多连锁效应都源自这个小模型决策。

Ti Morse：我看到过一些情况，有人在 X 上指出 Grok 的回答明显不对，马斯克说“我们会修”，然后十几个小时后问题就解决了。内部一般是怎么处理这种事情的？

阿苏：他会直接指出哪里出了问题。只要当时有清醒的人，就会立刻拉一个线程开始处理，必要时再拉几个人进来。问题解决之后，会做一次复盘，让所有人都清楚问题是怎么发生的，以及未来如何避免。犯一次错是可以接受的，但同样的错误犯第二次，就是大问题了。

主持人： 在 SpaceX 的发展历史中，包括在特斯拉，也经常会出现那种“冲锋式”的时刻，比如马斯克半夜突然进公司，直接全员通知说所有能来的人都得来，一起连夜推进事情。这里也发生过类似的情况吗？

阿苏：这种情况更多出现在大模型相关的项目上。就 Macro这条线来说，我们已经在“战情室”模式下连续运转了四个月了，所以基本一直都处在那种高强度推进状态。

主持人： 那你们真的在门口挂了个“战情室”的牌子吗？

阿苏：其实有过。最早的那个战情室，后来我们把东西全都搬走了。有一次他走进那个房间，发现里面空无一人，就问“人呢？怎么回事？”然后他又走到我们现在所在的地方，也就是原本的健身房。我们把健身房清空了，把所有人都塞进来，然后他就在那里临时开始挨个问项目进展。那一晚真的很漫长。

主持人： 在这种很多事情被突然打乱、然后迅速往前推进的夜晚，或者说在这种“冲锋时刻”，你的感受是什么？

阿苏：我前几天刚好看到 Igor（Igor Babuschkin，xAI联合创始人）发过一条内容，大意是：有些月份，几天就过去了；但有些夜晚，仿佛发生了好几个月的事情。那一晚绝对就是后者。当然，“几个月”可能有点夸张，但我觉得如果按正常节奏推进，我们可能也能在几周内达到同样的技术结果。但把这件事压缩到一个晚上完成，意义完全不一样，那确实是一次极限推进，而且非常累。

主持人： 有没有出现过那种情况，比如公司里的人连续五天、甚至一周几乎都没离开过办公室？

阿苏：有的。模型搜索阶段经常会导致很多人直接在公司通宵。

主持人： 你刚才提到公司里有五六个睡眠舱，大家轮流用？

阿苏：对，有一些睡眠舱，现在还有几张上下铺，条件就没那么好了，但确实能睡。后来那张“帐篷”的照片传出来之后，很多人都发给我。我只能说，帐篷是有的，但我从没见过一次性全都搭出来的情况。

我骨子里还是一个创业者

在这里个人的杠杆效应最大

能产生的直接影响更大

主持人：在加入现在这家公司之前，你尝试过创办多家公司，也同时做过很多不同的项目。是什么让你选择来这里？是使命感、文化，还是别的什么因素？

阿苏：说实话，我一直都挺“马斯克粉”的